• 비교문화연구
• /
• 제42권
• /
• pp.47-68
• /
• 2016

본 논문은 마야인의 성서라고 일컬어지는 "포폴 부"를 심층생태학(Deep ecology)적 관점에서 살펴보는 작업으로 준비되었다. 기존의 "포폴 부" 연구가 신화 연구 중심으로 이루어져왔고 무엇보다 마야의 창조 신화에 대한 우화적 요소를 소개하는 형태로 전개되어온 만큼 "포폴 부"에 대한 다양한 방식의 접근이 필요하다. 따라서 본 연구는 기존 연구에서 찾기 어려운 생태학점 관점에서 마야-키체의 경전을 다시 살펴보고자 한다. 이는 신화에 가려진 포폴 부의 민낯을 찾아가는 궤적이 될 것이다. 생태학 혹은 심층 생태학적으로 작품을 고찰하고자 한 것은 무엇 보다 "포폴 부"가 다른 문화권의 창조 신화와는 층위가 다른 생태인식을 배태하고 있기 때문이다. 주지하다시피 심층생태학은 기존의 환경운동을 표층생태학이라고 비판하면서 태동한 개념으로, 자연을 대하는 인간 자신의 도덕적, 윤리적 변화를 촉구하는데, 이 때문에 필연적으로 '형이상학적' 차원의 성격을 띠게 된다. 이렇듯 심층 생태학은 무엇보다 근대 이후의 인간중심주의, 이분법적 사고, 이성중심주의를 탈피할 것을 주창한다. 마야의 "포폴 부"도 이러한 인식을 담아낸 텍스트로 심층생태학적 분석을 통해 이 작품에 내재한 유토피아적 세계관을 살펴보았다.

• 지구물리와물리탐사
• /
• 제24권2호
• /
• pp.53-66
• /
• 2021

속도 모델 구축은 탄성파 탐사 자료처리에서 필수적인 절차이다. 주시 토모그래피나 속도 분석과 같은 기존 기법들은 하나의 속도 모델을 예측하는 데 계산 시간이 오래 걸리며 역산 결과의 품질이 전문가의 판단에 크게 의존한다. 전파형 역산 또한 초기 속도 모델에 크게 의존한다는 문제가 있다. 최근 심층 신경망 기법이 복잡하고 비선형적인 문제를 푸는데 적용되는 사례가 많아지면서 널리 보급되고 있다. 이 논문에서는 심층 신경망 기법을 이용한 탄성파 속도 모델 구축 사례들을 각 연구에 사용한 신경망에 따라 분류하며 조사하였다. 또한 훈련용 인공 속도 모델 생성 사례도 포함하였다. 심층 신경망은 대량의 데이터로부터 신경망을 훈련함으로써 모델 매개변수를 자동으로 최적화한다. 따라서 기존 기법들에 비해 역산 결과에 사람의 판단이 개입될 여지가 적으며 훈련을 마친 후 하나의 속도 모델을 예측하는 비용은 무시할 수 있다. 또한, 심층 신경망은 전파형 역산과 달리 초기 속도 모델이 필요하지 않다. 여러 연구에서 계산 비용뿐만 아니라 역산 결과에서도 심층 신경망 기법이 뛰어난 성과를 달성하는 것을 보여주었다. 연구 결과들을 바탕으로 속도 모델 구축에 사용된 심층 신경망 기법의 특징에 대해 분석하고 논의하였다.

• 한국게임학회지
• /
• 제6권1호
• /
• pp.41-43
• /
• 2009

게임에서의 텍스트를 추출하고 이를 분석하고자 하였다. 기본적으로 그레마스의 구조생성기호학을 활용하여 텍스트를 분석하고자 하였는데, 연구방법론에서는 현상학, 해석에서는 정신분석학의 이론에서도 도움을 받았다. 구체적인 분석대상으로는 온라인게임인 스타크래프트, 리니지, 스페셜포스를 선택하였다. 연구문제는 이들 세 게임의 의미생성방식에 대한 탐구로 구성되었다. 각 게임의 의미생성방식은 구조생성기호학의 세 가지 층위에서 구분되어 연구되었다. 즉, 심층구조, 기호-설화구조, 담화구조의 세층위로 전환, 발화되면서 점진적으로 의미가 풍성해지는 과정이 탐구되었다. 각 게임의 차이, 나아가 게임 장르간의 차이는 주로 심층 수준의 차이에서 기인한다고 보인다. 이들 게임의 주요 공통점이자, 다른 매체와의 차이점은 행동자 모델에서 두드러지는데, 바로 이용자가 스스로 주체의 위치를 점하게 되는 것이다. 상호작용성으로 대변되는 게임의 특성은 이용자의 텍스트로의 적극적인 개입을 할 수 있게끔 한다. 이러한 적극적인 개입은 이용자가 스스로 텍스트의 주체가 되도록 허용하는데, 주체가 된다고 함은 곧 스스로의 욕망을 직접 대상에 투사하면서 텍스트를 창출함을 의미한다. 바로 이러한 점이 게임의 의미생성방식의 큰 특징이며 다른 매체들과의 주요한 차이점이기도 하다. 더불어 게임이 우리 문화와 사회에 커다란 영향을 미칠 수 있는 기제임이 입증되는 것이기도 하다.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• pp.166-166
• /
• 2017

모돈의 건강 상태를 정량 지수화 하기 위한 연구를 수행 중이다. 지제이상, 섭식 불량, 수면 패턴 등의 운동 특성 분석을 위하여 복수의 초음파 센서를 이용하였다. 시계열 계측 신호를 분석하여 정량 지수화를 수행하는 과정에서 주파수 도메인 분석을 시도하였다. 이 과정에서 주파수 도메인의 분해능에 따른 편차 극복을 위한 비선형 모델링을 수행하였다. 또한 인접한 시계열 데이터 구간 간의 상관성 분석이 가능하면 대용량 데이터의 실시간 처리로 인한 지연 시간 극복 및 기대되는 예후에 대한 조기 진단이 가능할 것이다. 본 연구에서는 구글에서 제공하는 Tensorflow와 NVIDIA에서 제공하는 CUDA 엔진을 동시 적용한 심층 학습 시스템을 이용하였다. 전 처리를 위하여 주파수 분해능 (2분, 3분, 5분, 7분, 11분, 13분, 17분, 19분)에 따른 데이터 집합을 1단계로 두고, 상위 10 순위 안에 드는 파워 스펙트럼 밀도의 크기를 2단계로 하여, 총 2~10개의 입력 노드를 순차적으로 선정하였고, 동일한 방식으로 인접한 시계열의 파워 스펙터럼 밀도를 순위를 변화시켜 지정하였다. 대표적인 심층학습 모델인 Softmax regression with a multilayer convolutional network를 이용하여 Recursive feature selection 경우의 수를 $8{\times}9{\times}9$로 총 648 가지 선정하고, Epoch는 10,000회로 지정하였다. Calibration 모델링의 경우 Cost function이 10% 이하인 경우 해당 경우의 학습을 중단하였으며, 모델 간 상호 교차 검증을 수행하기 위하여 $_8C_2{\times}_8C_2{\times}_8C_2$ 경우의 수에 대한 Verification test를 수행하였다. Calibration 과정 상 모든 경우에 대하여 10% 이하의 Cost function 값을 보였으나, 검증 테스트 과정에서 모든 경우에 대하여 $r^2$ < 0.5 인 결정 계수 값이 나타났다. 단적으로 심층학습 모델의 과도한 적합(Over fitting) 방식의 한계를 보인 것이라 판단할 수 있다. 적합한 Feature selection 및 심층 학습 모델에 대한 지속적이고 추가적인 고려를 통해 과도적합을 해소함과 동시에 실효적이고 활용 가능한 Classification을 위한 입, 출력 노드 단의 전후 Indexing, Quantization에 대한 고려가 필요할 것이다. 이를 통해 모돈 생체 정보 정량화를 위한 지능형 현장 진단 기술 연구를 지속할 것이다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.289-294
• /
• 2022

의존구문분석은 문장을 의존관계(의존소-지배소)로 분석하는 구문분석 방법론이다. 현재 사전학습모델을 사용한 전이 학습의 딥러닝이 좋은 성능을 보이며 많이 연구되지만, 데이터셋에 의존적이며 그로 인한 자료부족 문제와 과적합의 문제가 발생한다는 단점이 있다. 본 논문에서는 언어학적 지식에 기반한 강화된 지배소-의존소 제약규칙 에지 알고리즘을 심층학습과 결합한 모델을 제안한다. TTAS 표준 가이드라인 기반 모두의 말뭉치로 평가한 결과, 최대 UAS 96.28, LAS 93.19의 성능을 보였으며, 선행연구 대비 UAS 2.21%, LAS 1.84%의 향상된 결과를 보였다. 또한 적은 데이터셋으로 학습했음에도 8배 많은 데이터셋 학습모델 대비 UAS 0.95%의 향상과 11배 빠른 학습 시간을 보였다. 이를 통해 심층학습과 언어지식의 결합이 딥러닝의 문제점을 해결할 수 있음을 확인하였다.

• 터널과지하공간
• /
• 제34권2호
• /
• pp.169-184
• /
• 2024

본 연구에서는 심부 지하공간의 안정성을 평가하고자 심부 응력조건을 반영한 암석블록의 이축압축실험을 통하여 지하공동에서 손상 발생시 발생하는 음향방출 및 미소변형의 특성을 분석하였다. 음향방출 특성 분석 결과 지하공동에서 손상 발생 직전에 음향방출 신호의 주파수, 카운트, 에너지, 진폭 특성이 급격히 증가하였다. 특히 주파수와 카운트는 손상 전후에서 특성 차이가 크게 나타나 원형 공동의 손상 특성 분석에 적합한 음향방출 인자인 것으로 나타났다. 이미지상관기법 적용결과 실험 중 공동 주변에 변형이 집중되었음을 변형률의 공간적 분포를 통해 알 수 있었으며, 실험 종료 지점에서는 스폴링 현상이 발생하였음을 확인할 수 있었다. 본 연구에서 제시된 원형 공동 손상시 음향방출 및 미소변형 특성은 심지층 활용을 위한 지하공동 안정성 평가의 기초자료로 활용될 것으로 기대된다.

• 지질공학
• /
• 제28권3호
• /
• pp.431-441
• /
• 2018

본 연구에서는 오거비트에 대한 향후 연구개발 방향을 설정하기 위하여 전체 심층혼합처리공법에 대한 한국, 미국, 일본 및 유럽에서의 출원 공개/등록된 특허를 중심으로 특허 동향을 분석하였다. 심층혼합처리공법을 대상으로 기술 범위에 따라 1차적으로 날개 형태와 로드의 개수로 분류하고, 2차적으로 스크류 타입과 회전축의 타입에 따라 8가지로 분류하였다. 특허 검색 결과 총 2,815개가 검색되었으며 중복제거 및 필터링을 통하여 448건의 유효 분석대상 특허를 선별하였다. 특허건수와 성장단계를 통한 포트폴리오 분석 결과 성장가능성이 높다고 판단되는 오거를 핵심기술로 선정하였으며, 이에 대한 특허장벽 분석을 통하여 핵심기술과 유사성이 높은 특허가 있을 경우 회피설계 및 타기술과 차별화된 기술 개발을 할 수 있는 기초자료를 제시하였다.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• pp.162-162
• /
• 2017

구글에서 공개한 Tensorflow를 이용한 여러 학문 분야의 연구가 활발하다. 농업 시설환경을 대상으로 한 빅데이터의 축적이 증가함과 아울러 실효적인 정보 획득을 위한 각종 데이터 분석 및 마이닝 기법에 대한 연구 또한 활발한 상황이다. 한편, 타 분야의 성공적인 심층학습기법 응용사례에 비하여 농업 분야에서의 응용은 초기 성장 단계라 할 수 있다. 이는 농업 현장에서 취득한 정보의 난해성 및 완성도 높은 생육/환경 모델링 정보의 부재로 실효적인 전과정 처리 기술 도출에 소요되는 시간, 비용, 연구 환경이 상대적으로 부족하기 때문일 것이다. 특히, 센서 기반 데이터 취득 기술 증가에 따라 비약적으로 방대해진 수집 데이터를 시간 복잡도가 높은 심층 학습 모델링 연산에 기계적으로 단순 적용할 경우 시간 효율적인 측면에서 성공적인 결과 도출에 애로가 있을 것이다. 매우 높은 시간 복잡도를 해결하기 위하여 제시된 하드웨어 가속 기능의 경우 일부 개발환경에 국한이 되어 있다. 일례로, 구글의 Tensorflow는 오픈소스 기반 병렬 클러스터링 기술인 MPICH를 지원하는 알고리즘을 공개하지 않고 있다. 따라서, 본 연구에서는 심층학습 기법 연구에 있어서, 예상 가능한 다양한 자원을 활용하여 최대한 연산의 결과를 빨리 도출할 수 있는 하드웨어적인 접근 방법을 모색하였다. 호스트에서 수행하는 일방적인 학습 알고리즘과 달리 이기종간 심층 학습이 가능하기 위해선 우선, NFS(Network File System)를 이용하여 데이터 계층이 상호 연결이 되어야 한다. 이를 위해서 고속 네트워크를 기반으로 한 NFS의 이용이 필수적이다. 둘째로 제한된 자원의 한계를 극복하기 위한 메모 공유 라이브러리가 필요하다. 셋째로 이기종간 프로세서에 최적화된 병렬 처리용 컴파일러를 이용해야 한다. 가장 중요한 부분은 이기종간의 처리 능력에 따른 작업을 고르게 분배할 수 있는 작업 스케쥴링이 수행되어야 하며, 이는 처리하고자 하는 데이터의 형태에 따라 매우 가변적이므로 해당 데이터 도메인에 대한 엄밀한 사전 벤치마킹이 수행되어야 한다. 이러한 요구조건을 대부분 충족하는 Open-CL ver1.2(https://www.khronos.org/opencl/)를 이용하였다. 최신의 Open-CL 버전은 2.2이나 본 연구를 위하여 준비한 4가지 이기종 시스템에서 모두 공통적으로 지원하는 버전은 1.2이다. 실험적으로 선정된 4가지 이기종 시스템은 1) Windows 10 Pro, 2) Linux-Ubuntu 16.04.4 LTS-x86_64, 3) MAC OS X 10.11 4) Linux-Ubuntu 16.04.4 LTS-ARM Cortext-A15 이다. 비교 분석을 위하여 NVIDIA 사에서 제공하는 Pascal Titan X 2식을 SLI로 구성한 시스템을 준비하였다. 개별 시스템에서 별도로 컴파일 된 바이너리의 이름을 통일하고, 개별 시스템의 코어수를 동일하게 균등 배분하여 100 Hz의 데이터로 입력이 되는 온도 정보와 조도 정보를 입력으로 하고 이를 습도정보에 Linear Gradient Descent Optimizer를 이용하여 Epoch 10,000회의 학습을 수행하였다. 4종의 이기종에서 총 32개의 코어를 이용한 학습에서 17초 내외로 연산 수행을 마쳤으나, 비교 시스템에서는 11초 내외로 연산을 마치는 결과가 나왔다. 기보유 하드웨어의 적절한 활용이 가능한 심층학습 기법에 대한 연구를 지속할 것이다

• 지구물리와물리탐사
• /
• 제23권2호
• /
• pp.72-88
• /
• 2020

최근 컴퓨터 하드웨어 성능의 급속한 발전으로 인해 계산 비용이 상대적으로 낮아지면서 기계 학습 기법을 지구물리학적 문제에 적용하는 사례가 점차 증가하고 있다. 특히 심층 학습 기법이 복잡하고 비선형적인 문제를 성공적으로 해결하는 사례가 많아지면서 큰 인기를 얻고 있다. 이 논문에서는 심층 학습 기법을 이용한 탄성파 자료 잡음 제거 적용사례를 조사하고 소개하였다. 감쇠하고자 하는 잡음 유형에 따라 일관성 잡음 적용사례, 무작위 잡음 적용사례, 일관성 잡음 및 무작위 잡음 적용사례로 분류하였고 해당 잡음 제거에 사용된 심층 학습 기법에 대해 조사하였다. 대표적인 심층 학습 기법인 심층 신경망은 탄성파 잡음 제거에 사용된 기존 기법과 달리 잡음의 특징을 스스로 학습하며 매개변수를 자동으로 최적화한다. 따라서 기존 기법에 비해 일반화 문제에 덜 민감하며 인적 비용을 절감할 수 있다. 또한 여러 연구 사례를 통해 계산 비용이나 잡음 제거 성능 측면에서도 심층 학습 기법이 뛰어난 성과를 달성하는 것을 보여주었다. 연구 결과들을 토대로 탄성파 잡음 제거에 사용된 심층 학습 기법의 장단점에 대해 분석하고 논의하였다.

• 한국식품위생안전성학회지
• /
• 제33권6호
• /
• pp.460-465
• /
• 2018

해양심층수는 수심 200 m보다 깊은 심층(深層)에 위치하고 있어 차가운 온도를 유지하고 있으며, 대장균 및 일반세균 등에 의해서도 오염 되지 않은 깨끗한 해수이다. 해양심층수는 산업적 가치가 높은 재생순환형 자원이기 때문에 이를 상업적으로 이용하기 위한 활동이 활발히 전개되고 있다. 해양심층수를 기존 식육가공품의 염지제 대체제로서, 최적인 해양심층수 처리수를 적용한 시제품을 일반 식육가공품 소세지와 비교하여 안전성과 품질특성, 미네랄 함량차이를 알아보았다. 이를 통하여 해양심층수의 염지액 대체제로서의 가능성을 검토하고 이를 이용하여 제작한 식육가공품의 품질을 검토한 결과, 안전성과 품질특성에서는 일반 식육가공품 소세지와 차이가 없었으나, 미네랄 함량은 해양심층수를 적용한 축산가공품이 더 높았다. 이를 통하여 해양심층수는 소금의 대체제와 청정미네랄로 그 활용도가 높아서 해양심층수를 이용한 새로운 식품시장이 크게 활성화될 것으로 예상된다. 따라서 본 연구에서는 식품공전 규격 검사에 의한 안전성 평가 시험방법을 이용하여 품질검사항목 분석에 의한 품질특성 평가 및 유통기한 경과에 의한 안정성을 검토하고, 시험군과 대조군간의 미네랄 함량 시험을 진행하여 그 함량을 비교, 분석한 결과 후속 연구를 통한 식품, 의약품 및 축산업에 다양하고 차별화된 식육가공품을 제조할 수 있는 가능성이 있다고 판단하였다.